高分辨率遥感影像建筑区域局部几何特征提取

发布时间：2024-04-21 20:14

　　及时准确地获取城市建筑区域的空间分布及其变化信息对于城市规划、空间地理数据库建设及区域社会经济分析具有重要意义。本文提出一种基于多尺度Gabor变换和感知聚类方法即张量投票TV (Tensor Voting)相结合的自适应局部几何不变特征检测方法,并将其应用于高空间分辨率遥感影像建筑区域提取。首先,考虑到高分辨率遥感影像复杂的几何结构特征,使用Gabor滤波器组对影像进行多尺度多方向变换检测奇异性特征。然后,在感知聚类框架下,根据张量投票理论将不同方向子带系数位置编码为相应的二阶对称方向张量,为了突出影像几何特征,对不同尺度、不同方向子带中任意像素位置方向张量使用滤波器响应系数加权并求和完成多尺度特征融合。再次,对张量特征分解得到点结构与线结构显著性图并使用非极大抑制提取相应角点和曲线等局部几何特征,同时生成约束准则筛选角点以确定建筑物坐标。最后,利用概率密度估计结合局部角点特征生成全局概率密度场描述影像中像素从属于建筑目标的概率,并使用最大类间方差法(Otsu)阈值分割自动提取居民地多边形区域。使用分辨率分别为0.49 m、0.98 m的Google Earth及0.8 m的高分二号...

【文章页数】：12 页

【部分图文】：

图1二阶对称张量的椭圆表示

式中，棒张量（sticktensor)e1e1T用以描述线性特征，λ1-λ2,e1分别表示像p(x,y)线特征的显著性及其切向量，如图1椭圆形结构所示。球张量（balltensor)e1e1T+e2e2T用以描述节点特征，如图1圆形结构所示，λ2表示其显著性，此时λ1≈λ2，....

图2基于Tensorvoting的二进制影像几何结构显著性提取

图2为二进制影像经TV后自适应提取线特征显著图与点特征显著图。对于二进制影像，仅使用位置信息编码二阶张量，。经过一次球张量投票及一次棒张量投票后根据像素的几何结构显著性自动分类，分别得到线特征显著部分及点特征显著部分，如图2(b）和图2(c）所示，暖色部分表示显著值较大，线、点几....

图3基于Gabor变换和Tensorvoting的高分影像建筑区域角点检测结果

使用式（9）—式（11)3个约束准则对图3(b）的角点检测结果重新筛选，结果如图4(a）及局部影像图4(b）所示。以图3(c）、图4(b）等局部影像为例，图3(c）中存在的部分由阴影和小目标造成的伪角点在图4(b）中被有效的去除。同时，图3(b）右上角中道路上存在的误检角点也在图....

图4使用不同方法的建筑区域角点检测结果

图3基于Gabor变换和Tensorvoting的高分影像建筑区域角点检测结果3基于联合概率密度场的建筑区提取

本文编号：3961398